/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Опубликована
26 июл 2024

t5_test

Языковая модель

Дообученная модель T5 на 123,8 млн параметров для преобразования текста в текст.

7скачиваний за 30 дней0лайковвеса обновлены26 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

kaytoo2022/t5_test — дообученная модель семейства T5, опубликованная пользователем kaytoo2022. Она использует архитектуру T5ForConditionalGeneration и предназначена для генерации текста по текстовому запросу в формате text-to-text. В репозитории указаны 123,8 млн параметров, контекст до 512 токенов и формат TensorFlow.

Модель дообучалась на неизвестном наборе данных; в карточке приведены потери на обучении 0,7115 и на валидации 0,6129 после двух эпох. Прикладные сценарии и поддерживаемые языки не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста по текстовому запросу
  • эксперименты с дообученной моделью T5
  • оценка качества text-to-text генерации

Ограничения

Данные обучения и целевые сценарии не описаны, поэтому качество для конкретных задач оценить нельзя. Указанный контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

kaytoo2022/t5_test

This model is a fine-tuned version of kaytoo2022/t5_test on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.7115
  • Validation Loss: 0.6129
  • Epoch: 2

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 2e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
0.80100.61400
0.74290.61161
0.71150.61292

Framework versions

  • Transformers 4.42.4
  • TensorFlow 2.15.0
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
2edfad6

0 моделей